CN102749847A - 多无人机协同着陆方法 - Google Patents

Abstract

本发明提出一种多无人机协同着陆方法，包括以下步骤：为多个无人机建立Ad Hoc通信网络；各个无人机利用机载传感器搜索自身位置和着陆地标，并基于Ad Hoc通信网络采用广播的方式向邻居无人机发送数据包，数据包包括位置信息及状态信息；各个无人机根据接收到的数据包结合自身信息，计算自身与着陆地标及邻居无人机的相对距离和相对角度；以及构建环境空间势场，计算着陆地标的吸引力F_att和邻居无人机间的排斥力F_rep，并计算势场合力，建立运动学模型，确定无人机的运动轨迹。采用本发明可使无人直升机集群在执行任务时实现机载传感器信息的共享与协同控制，确保集群着陆的安全性，具有很强的适应性和可扩展性。

Description

多无人机协同着陆方法

技术领域

本发明涉及无线通信和智能控制技术领域，特别涉及一种多无人机协同着陆方法。

背景技术

无人机因其低成本、高机动和“零人员伤亡”等一系列特点，在军事和民用等领域得到了广泛应用。单个无人机在执行战场监视和侦察、灾难场景搜救等任务时，面临着任务区域范围大、环境复杂、感知能力有限、单节点故障等不利因素而造成任务失败，从而促进了“以平台为中心”的传统作战模式向“以网络为中心”的多无人机协同作战模式的转变。通过多无人机环境感知能力、计算处理能力等资源的共享来扩展任务执行能力，提高任务执行成功的概率。美国空军科学顾问委员会也十分明确地指出：“未来的无人机应当以成群的方式工作而不是单独行动”。

在多无人机的协同控制方面，典型研究包括多无人机协同侦察、协同搜索、协作目标跟踪以及协同定位、着陆等。相关研究中最具代表性的是美国国防部高级研究计划局（DARPA）主导的自治编队混合主动控制、广域弹药搜索以及无人作战飞机联合系统等，主要目标均为提高多无人机集群的自主协同控制能力。此外，国外著名高校和研究机构如麻省理工学院、加州伯克利大学以及Honeywell技术中心等，分别对协同任务规划、协同路径规划、混合主动控制以及自主编队控制问题进行了深入研究。

从2001年开始，由包括麻省理工学院、科内尔大学、加州理工大学和加州大学洛杉矶分校四所大学联合发起了“复杂环境下分布式自主平台协同控制研究项目”，提出未来大规模网络化环境下，自主多无人机的分布式协同控制将面临无中心信息处理、无中心决策、受限通信、大规模平台、不确定性环境和突发敌对威胁等挑战。其目标是研究分布式协同控制和决策方法，克服上述挑战，实现多UAV系统复杂、自适应和灵活的行为。现有相关工作大多针对多无人机协同控制的理论框架和算法开展研究，针对多无人机协同的具体问题，如多无人机协同目标跟踪、协同目标搜索、协同着陆等未出现切实可行的技术方案。一方面，现有研究大多着眼于利用地面控制站汇总并处理多个无人机传感器采集的信息，不适用于复杂条件下的多无人机自主协同；另一方面，针对多无人机组网场景下的传感器信息共享以及协同控制方法也鲜有文献涉及。

发明内容

本发明的一个目的在于提出一种适应性强、可扩展性好的多无人机协同着陆方法。

根据本发明实施例的多无人机协同着陆方法包括以下步骤：为多个所述无人机建立Ad Hoc通信网络；各个所述无人机利用机载传感器搜索自身位置和着陆地标，并基于所述Ad Hoc通信网络采用广播的方式向其他所述无人机发送数据包，所述数据包包括位置信息及状态信息；各个所述无人机接收邻居无人机的所述数据包，并根据所述无人机自身和邻居无人机的所述数据包，计算自身与所述着陆地标及所述邻居无人机的相对距离和相对角度；构建环境空间势场，根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力F_att，和根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力F_rep，计算势场合力F=F_att+F_rep，建立运动学模型并确定所述无人机的运动轨迹。

在本发明的一个实施例中，所述数据包的内容包括{U_ID，x_i，y_i，z_i，U_land，x_l，y_l，z_l，U_state}，其中，U_ID为表示无人机i的ID；x_i为无人机i的x坐标；y_i为无人机i的y坐标；z_i为无人机i的z坐标；U_land为无人机i是否搜索到着陆地标，0表示已搜索到，1表示未搜索到；x_l为着陆地标的x坐标；y_l为着陆地标的y坐标；z_l为着陆地标的z坐标；U_state为无人机i的状态，0表示已着陆，1表示未着陆。

在本发明的一个实施例中，所述步骤B还包括：当所述无人机首次捕捉到所述着陆地标时，采用广播方式发出着陆地标的位置信息；其余所述无人机收到所述着陆地标的位置信息后，再次搜索到所述着陆地标时，采用广播方式发出确认着陆地标的消息。

在本发明的一个实施例中，所述步骤C还包括：当无线通信链路的暂时中断时，通过机载传感器感知其邻居无人机，并计算其与邻居无人机的相对距离和相对角度。

在本发明的一个实施例中，所述根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力F_att包括以下步骤：以q_land表示所述着陆地点在环境空间中的位置，其中q_land＝[x_l，y_l，z_l]^T，以q_i表示无人机i的在环境空间中的位置，其中q_i=[x_i，y_i，z_i]^T；计算所述无人机i与所述着陆地点的距离ρ(q_land,q_i)，其中ρ(q_land,q_i)=ρ||q_land,q_i||；根据下列公式计算所述着陆地点对所述无人机i产生的引力势场U_att(i)：

其中ε为正比例因子；根据下列公式计算所述着陆地点对所述无人机i产生的吸引力 $F_{\mathrm{att}\left(i\right)}:F_{\mathrm{att}\left(i\right)}=-\▿U_{\mathrm{att}\left(i\right)}=\mathrm{\ϵ\ρ}(q_{\mathrm{land}},q_i)=\mathrm{\ϵ}\left|\right|q_{\mathrm{land}},q_i\left|\right|.$

在本发明的一个实施例中，所述根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力F_rep包括以下步骤：设无人机i拥有m个邻居无人机，则以q_j表示所述无人机i的第j个所述邻居无人机在环境空间中的位置，其中q_j＝[x_j，y_j，z_j]^T，且j=1,2,…m;计算第j个所述邻居无人机与无人机i的距离ρ(q_j,q_i)，其中ρ(q_j,q_i)=ρ||q_j,q_i||；根据下列公式计算所述第j个邻居无人机对所述无人机i产生的斥力势场 $U_{\mathrm{repj}\left(i\right)}:U_{\mathrm{repj}\left(i\right)}=\left\{\begin{array}{cc}\frac{1}{2}\mathrm{\η}(\frac{1}{\mathrm{\ρ}(q_j,q_i)}-\frac{1}{{\mathrm{\ρ}}_0})& \mathrm{\ρ}(q_j,q_i)\≤{\mathrm{\ρ}}_0\\ 0,& \mathrm{\ρ}(q_j,q_i)>{\mathrm{\ρ}}_0\end{array}\right.,$ 其中η为正比例因子，ρ₀为相邻无人机之间的安全距离；根据下列公式计算所述第j个邻居无人机对所述无人机i产生的排斥力F_repj(i)：

$F_{\mathrm{repj}\left(i\right)}=-\▿U_{\mathrm{repj}\left(i\right)}=\left\{\begin{array}{cc}\mathrm{\η}(\frac{1}{\mathrm{\ρ}(q_j,q_i)}-\frac{1}{{\mathrm{\ρ}}_0})\frac{1}{{\mathrm{\ρ}}^2(q_j,q_i)}\▿\mathrm{\ρ}(q_j,q_i),& \mathrm{\ρ}(q_j,q_i)\≤{\mathrm{\ρ}}_0\\ 0,& \mathrm{\ρ}(q_j,q_i)>{\mathrm{\ρ}}_0\end{array}\right.;$

计算无人机i受到的总的邻居无人机的排斥力F_rep(i)＝∑_{j＝1，...，m}F_repj(i)。

在本发明的一个实施例中，还包括步骤：E.在着陆过程中不断更新并调整各个所述无人机的所述运动轨迹以实现协同安全着陆。

综上，本发明提出的多无人机协同着陆方法主要分为如下几个主要部分：多无人机集群的信息共享：无人机集群建立Ad Hoc形式的无线网络，通过无线链路广播自身及着陆地标在环境空间中的位置信息，实现传感器对环境的感知信息及无人机状态信息的共享；着陆地标及邻居无人机的位置感知：利用机载传感器感知着陆地标和邻居无人机的位置，并结合自身位置计算与着陆地标及邻居无人机的相对距离和角度关系。此外，可以通过Ad Hoc的无线链路接收周围无人机的位置和状态，从而与机载传感器采集的信息相互补充，完成对着陆地标、邻居无人机的位置信息感知和获取；建立运动学模型并确定运动轨迹：利用通过传感器感知和无线网络获取的着陆地标与邻居无人机的位置信息计算距离，利用人工势场法计算着陆地标的吸引力和邻居无人机的排斥力合力，建立自身的运动学模型并在着陆过程中不断更新和调整运动轨迹，最终实现多无人机的协同着陆。

根据本发明实施例的基于Ad Hoc网络的多无人机协同着陆方法至少具有以下有益效果：

（1）适应性强，本发明的方法在获取着陆地标以及邻居无人机的位置信息时，采用机载传感器搜索和Ad Hoc网络信息共享两种方式，可克服因天气变化、能见度变化和电磁干扰等因素造成的信息获取限制，具有很强的适应性；

（2）可扩展性好，本发明的方法通过机载传感器采集信息，通过Ad Hoc无线网络共享传感器的环境感知信息以及无人机的状态信息，并可利用Ad Hoc网络节点的通信中继能力，不断扩展无人机集群的规模，在实际应用中具有很强的可扩展性。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明实施例的多无人机协同着陆方法的流程图；

图2是本发明一个实施例的单个无人机着陆的工作流程示意图；和

图3为本发明一个实施例的人工势场法无人机运动学模型示意图。

具体实施方式

本发明中多个无人机建立Ad Hoc通信网络，各无人机利用机载传感器搜索着陆地标并识别邻居无人机，使用无线链路采用广播的方式共享位置及状态信息；然后计算自身与着陆地标及邻居无人机的相对距离和角度；接着利用人工势场法构建环境空间势场，计算着陆地标的吸引力和为保障飞行安全的邻居无人机间的排斥力，建立运动学模型并确定运动轨迹；最后在着陆过程中不断更新并调整各自的运动轨迹以实现协同安全着陆。

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

如图1所示，根据本发明实施例的多无人机协同着陆方法，包括以下步骤：

步骤S101.多无人机集群建立Ad Hoc形式的无线通信网络，每个无人机都有自己唯一的ID号，在其所组成的Ad Hoc网络中有唯一的IP地址与之对应。

具体地，多无人机集群组成Ad Hoc网络，通过无线链路共享信息。Ad Hoc网络是一种典型的无线移动网络，网络中不存在严格的控制中心，所有节点地位平等，任何节点发生故障不会影响整个网络的运行，抗毁性强。同时，网络中的节点采用多跳路由的方式传输数据，节点通信范围不必直接包含目的节点，可借助中间节点进行数据的存储转发。此外，Ad Hoc网络中节点位置可随处移动，采用自组织的方式组网，网络拓扑可灵活变化。Ad Hoc网络这些特点使其成为多无人机系统通信组网方式的首选，灵活的组网和多跳路由方式适合集群中多无人机间的数据通信，为多无人机集群的协同控制提供了信息共享平台。

步骤S102.各个无人机利用机载传感器搜索自身位置和着陆地标，并基于Ad Hoc通信网络采用广播的方式向邻居无人机发送数据包，该数据包包括位置信息及状态信息。

通常每个无人机包含以下传感器和通信部件：a.双目或单目等前视视觉传感器，用以识别在视觉传感器视场（Field of View）范围内的着陆地标和邻居无人机；b.下视视觉传感器，用以在着陆过程中识别着陆地标；c.激光测距机等用以测量距离的传感器，用以测量自身与着陆地标和邻居无人机的物理距离；d.惯性导航和GPS等定位传感器，可以实时给出无人机的环境空间坐标；e.无线网络通信模块，用以建立多无人机的AdHoc网络，利用无线链路向邻居无人机传输数据包并接收邻居无人机发出的数据包。因此，各个无人机可以通过其机载设备搜索自身位置和着陆地标。

在整个协同着陆的过程中，按照一定的频率以广播方式发送数据包，以分享位置信息和状态信息。在本发明的一个实施例中，数据包标记为Packet，包含以下内容：Packet={U_ID，x_i，y_i，z_i，U_land，x_l，y_l，z_l，U_state}。其中，U_ID为表示无人机i的ID；x_i为无人机i的x坐标；y_i为无人机i的y坐标；z_i为无人机i的z坐标；U_land为无人机i是否搜索到着陆地标，0表示已搜索到，1表示未搜索到；x_l为着陆地标的x坐标；y_l为着陆地标的y坐标；z_l为着陆地标的z坐标；U_state为无人机i的状态，0表示已着陆，1表示未着陆。

优选地，当无人机集群中的某个无人机首次捕捉到着陆地标时，采用广播方式发出着陆地标的位置信息；其余无人机收到该着陆地标的位置信息后，再次搜索到该着陆地标时，采用广播方式发出确认着陆地标的消息。这样的设定，可以避免得到重复着陆地标信息。

步骤S103.各个无人机接收邻居无人机的数据包，并根据自身和邻居无人机的数据包，计算自身与着陆地标及邻居无人机的相对距离和相对角度。具体地，当一个无人机收到的数据包中包含坐标信息时，可实时计算出该坐标与自身的相对距离和角度关系，该技术在本领域中较为常见，略去不叙。

优选地，当出现电磁干扰或其他原因造成无线通信链路的暂时中断时，无人机可通过机载传感器感知其邻居无人机，并计算其与邻居无人机的相对距离和角度关系，以此弥补信息来源的不足。

此处需要补充说明的是：图2示出了本发明一个实施例的单个无人机着陆的工作流程示意图，从图2中可以清楚地看出步骤S101至步骤S103是如何在单个无人机上进行的。

步骤S104.构建环境空间势场，根据无人机自身与着陆地标的相对距离和相对角度计算着陆地标的吸引力F_att，和根据无人机自身与邻居无人机的相对距离和相对角度计算邻居无人机间的排斥力F_rep，计算势场合力F=F_att+F_rep，建立运动学模型并确定无人机的运动轨迹。

本步骤应用了Khatib于1986年首次提出的人工势场法，该方法本质上是对机器人所在运动环境的一种抽象描述。人工势场法借鉴物理学中的基本概念，假设机器人在一个由多个虚拟力组成的力场环境中运动：一方面，机器人所需要移动到的目标位置对其产生吸引力，吸引力大小随着与目标位置的接近而变小；另一方面，运动环境中与机器人具有潜在碰撞危险的物体对其产生排斥力，且排斥力随着他们之间距离的减小而增大，由此构造出由吸引力和排斥力共同作用的人工势场，在二者的合力即势场力的作用下指引机器人沿最小势能的方向运动并保证其安全。本发明中单个无人机通过构建势场函数和势场力来表示着陆地标和邻居无人机对其产生的运动约束，并在此基础上进行分析和控制，该方法计算简单，有利于实现实时控制。

具体地，根据人工势场法计算运动轨迹可分为以下三步：

（1）根据无人机i自身与着陆地标的相对距离和相对角度计算着陆地标对无人机i的吸引力F_att(i)。

以q_land表示着陆地点在环境空间中的位置，其中q_land=[x_l，y_l，z_l]^T，以q_i表示无人机i的在环境空间中的位置，其中q_i=[x_i，y_i，z_i]^T；计算无人机i与着陆地点的距离ρ(q_land,q_i)，其中ρ(q_land,q_i)=ρ||q_land,q_i||；根据下列公式计算着陆地点对无人机i产生的引力势场U_att(i)：

,其中ε为正比例因子；根据下列公式计算着陆地点对无人机i产生的吸引力F_att(i): $F_{\mathrm{att}\left(i\right)}=-\▿U_{\mathrm{att}\left(i\right)}=\mathrm{\ϵ\ρ}(q_{\mathrm{land}},q_i)=\mathrm{\ϵ}\left|\right|q_{\mathrm{land}},q_i\left|\right|.$

（2）根据无人机i自身与邻居无人机的相对距离和相对角度计算邻居无人机对无人机i的排斥力F_rep。

设无人机i拥有m个邻居无人机，则以q_j表示无人机i的第j个邻居无人机在环境空间中的位置，其中q_j=[x_j，y_j，z_j]^T，且j=1,2,…m;计算第j个邻居无人机与无人机i的距离ρ(q_j,q_i)，其中ρ(q_j,q_i)=ρ||q_j,q_i||；根据下列公式计算第j个邻居无人机对无人机i产生的斥力势场U_repj(i)： $U_{\mathrm{repj}\left(i\right)}=\left\{\begin{array}{cc}\frac{1}{2}\mathrm{\η}(\frac{1}{\mathrm{\ρ}(q_j,q_i)}-\frac{1}{{\mathrm{\ρ}}_0})& \mathrm{\ρ}(q_j,q_i)\≤{\mathrm{\ρ}}_0\\ 0,& \mathrm{\ρ}(q_j,q_i)>{\mathrm{\ρ}}_0\end{array}\right.,$ 其中η为正比例因子，ρ₀为相邻无人机之间的安全距离，相邻无人机距离大于ρ₀时，可保障各自的飞行安全；根据下列公式计算第j个邻居无人机对无人机i产生的排斥力F_repj(i)：

$F_{\mathrm{repj}\left(i\right)}=-\▿U_{\mathrm{repj}\left(i\right)}=\left\{\begin{array}{cc}\mathrm{\η}(\frac{1}{\mathrm{\ρ}(q_j,q_i)}-\frac{1}{{\mathrm{\ρ}}_0})\frac{1}{{\mathrm{\ρ}}^2(q_j,q_i)}\▿\mathrm{\ρ}(q_j,q_i),& \mathrm{\ρ}(q_j,q_i)\≤{\mathrm{\ρ}}_0\\ 0,& \mathrm{\ρ}(q_j,q_i)>{\mathrm{\ρ}}_0\end{array}\right.;$

计算无人机i受到的总的邻居无人机的排斥力F_rep(i)＝∑_{j＝1,...，m}F_repj(i)。

（3）计算无人机i所受到的合力为着陆地标的吸引力及邻居无人机排斥力之和，即F=F_att+F_rep，合力F决定了该无人机着陆过程中的运动轨迹，如图3所示。

在本发明的一个优选实施例中，还进一步包括步骤S105.在着陆过程中不断更新并调整各个无人机的运动轨迹以实现协同安全着陆。具体地，在整个协同着陆的过程中，各无人机按照着陆地标的吸引力和邻居无人机的排斥力确定并不断更新其运动轨迹，调整其飞行姿态直至安全着陆。

根据本发明实施例的多无人机协同着陆方法至少具有以下有益效果：

（1）适应性强，本发明的方法在获取着陆地标以及邻居无人机的位置信息时，采用机载传感器搜索和Ad Hoc网络信息共享两种方式，可克服因天气变化、能见度变化和电磁干扰等因素造成的信息获取限制，具有很强的适应性；

（2）可扩展性好，本发明的方法通过机载传感器采集信息，通过Ad Hoc无线网络共享传感器的环境感知信息以及无人机的状态信息，并可利用Ad Hoc网络节点的通信中继能力，不断扩展无人机集群的规模，在实际应用中具有很强的可扩展性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种多无人机协同着陆方法，其特征在于，包括以下步骤：

A.为多个所述无人机建立Ad Hoc通信网络；

B.各个所述无人机利用机载传感器搜索自身位置和着陆地标，并基于所述Ad Hoc通信网络采用广播的方式向其他所述无人机发送数据包，所述数据包包括位置信息及状态信息；

C.各个所述无人机接收邻居无人机的所述数据包，并根据所述无人机自身和邻居无人机的所述数据包，计算自身与所述着陆地标及所述邻居无人机的相对距离和相对角度；以及

D.构建环境空间势场，根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力F_att，和根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力F_rep，计算势场合力F=F_att+F_rep，建立运动学模型并确定所述无人机的运动轨迹。

2.如权利要求1所述的多无人机协同着陆方法，其特征在于，所述数据包的内容包括{U_ID，x_i，y_i，z_i，U_land，x_l，y_l，z_l，U_state}，其中，U_ID为表示无人机i的ID；x_i为无人机i的x坐标；y_i为无人机i的y坐标；z_i为无人机i的z坐标；U_land为无人机i是否搜索到着陆地标，0表示已搜索到，1表示未搜索到；x_l为着陆地标的x坐标；y_l为着陆地标的y坐标；z_l为着陆地标的z坐标；U_state为无人机i的状态，0表示已着陆，1表示未着陆。

3.如权利要求1所述的多无人机协同着陆方法，其特征在于，所述步骤B还包括：

当所述无人机首次捕捉到所述着陆地标时，采用广播方式发出着陆地标的位置信息；其余所述无人机收到所述着陆地标的位置信息后，再次搜索到所述着陆地标时，采用广播方式发出确认着陆地标的消息。

4.如权利要求1所述的多无人机协同着陆方法，其特征在于，所述步骤C还包括：

当无线通信链路的暂时中断时，通过机载传感器感知其邻居无人机，并计算其与邻居无人机的相对距离和相对角度。

5.如权利要求1所述的多无人机协同着陆方法，其特征在于，所述根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力F_att包括以下步骤：

以q_land表示所述着陆地点在环境空间中的位置，其中q_land=[x_l，y_l，z_l]^T，以q_i表示无人机i的在环境空间中的位置，其中q_i=[x_i，y_i，z_i]^T；

计算所述无人机i与所述着陆地点的距离ρ(q_land,q_i)，其中ρ(q_land,q_i)=ρ||q_land,q_i|；

根据下列公式计算所述着陆地点对所述无人机i产生的引力势场U_att(i)： $U_{\mathrm{att}\left(i\right)}=\frac{1}{2}{\mathrm{\ϵ\ρ}}^2(q_{\mathrm{land}},q_i),$ 其中ε为正比例因子；

根据下列公式计算所述着陆地点对所述无人机i产生的吸引力F_att(i)：

$F_{\mathrm{att}\left(i\right)}=-\▿U_{\mathrm{att}\left(i\right)}=\mathrm{\ϵ\ρ}(q_{\mathrm{land}},q_i)=\mathrm{\ϵ}\left|\right|q_{\mathrm{land}},q_i\left|\right|.$

6.如权利要求1所述的多无人机协同着陆方法，其特征在于，所述根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力F_rep包括以下步骤：

设无人机i拥有m个邻居无人机，则以q_j表示所述无人机i的第j个所述邻居无人机在环境空间中的位置，其中q_j=[x_j，y_j，z_j]^T，且j=1,2,…m;

计算第j个所述邻居无人机与无人机i的距离ρ(q_j,q_i)，其中ρ(q_j,q_i)=ρ||q_j,q_i|；

根据下列公式计算所述第j个邻居无人机对所述无人机i产生的斥力势场U_repj(i)：

$U_{\mathrm{repj}\left(i\right)}U=\left\{\begin{array}{cc}\frac{1}{2}\mathrm{\η}(\frac{1}{\mathrm{\ρ}(q_j,q_i)}-\frac{1}{{\mathrm{\ρ}}_0})& \mathrm{\ρ}(q_j,q_i)\≤{\mathrm{\ρ}}_0\\ 0,& \mathrm{\ρ}(q_j,q_i)>{\mathrm{\ρ}}_0\end{array}\right.,$

其中η为正比例因子，ρ₀为相邻无人机之间的安全距离；

根据下列公式计算所述第j个邻居无人机对所述无人机i产生的排斥力F_repj(i)：

$F_{\mathrm{repj}\left(i\right)}=-\▿U_{\mathrm{repj}\left(i\right)}=\left\{\begin{array}{cc}\mathrm{\η}(\frac{1}{\mathrm{\ρ}(q_j,q_i)}-\frac{1}{{\mathrm{\ρ}}_0})\frac{1}{{\mathrm{\ρ}}^2(q_j,q_i)}\▿\mathrm{\ρ}(q_j,q_i),& \mathrm{\ρ}(q_j,q_i)\≤{\mathrm{\ρ}}_0\\ 0,& \mathrm{\ρ}(q_j,q_i)>{\mathrm{\ρ}}_0\end{array}\right.;$

计算无人机i受到的总的邻居无人机的排斥力F_rep(i)＝∑_{j＝1，...，m}F_repj(i)。

7.如权利要求1所述的多无人机协同着陆方法，其特征在于，还包括步骤：

E.在着陆过程中不断更新并调整各个所述无人机的所述运动轨迹以实现协同安全着陆。

Images